Ponieważ znajduję zrozumienie dla ewentualnego sprzeciwu twórców wobec niektórych sposobów wykorzystywania SI, postulowałabym wprowadzenie efektywnych narzędzi umożliwiających respektowanie woli twórców. Nie je-stem natomiast przekonana, czy wszystkie winny być wprowadzone do mo-delu ochrony autorsko-prawnej. W kwestii autorskich praw majątkowych takich wątpliwości nie mam. Postulowałabym jednoznaczne wskazanie, iż eksploracja testów i danych, a także inne rozwiązania, umożliwiające treno-wanie SI z wykorzystaniem utworów, w szczególności autorstwa jednej osoby, stanowią odrębne pole eksploatacji. Uzasadniona jest jednak ochrona także tych twórców, którzy nie są uprawnieni z tytułu autorskich praw
majątko-niem utworu); zob. J Barta, Ryszard Markiewicz, op. cit.,. s. 150 i 151.Powyższe uprawnienia
nie dotyczą okoliczności, w których odbywa się trenowanie SI.
wych. Można rozważyć wprowadzenie do KC stypizowanego dobra osobi-stego. Sprzeciw twórców wobec omawianych praktyk powinien być wówczas motywowany względami innymi niż majątkowe, co może znaleźć odzwiercie-dlenie w katalogu roszczeń.
Najistotniejszy problem, poza wątpliwościami natury prawnej, to faktycz-na możliwość ustalenia, iż w danym procesie korzystano z twórczości okre-ślonej osoby. Problem ten jest także aktualny przy rozważaniach na temat objęcia wytworów SI ochroną autorsko-prawną lub w ramach praw pokrew-nych30. Dodatkowo, przy założeniu, że wytwór uzyskany przez samouczącą się SI nie stanowi plagiatu, a jest jedynie inspirowany, trudno znaleźć obecnie podstawę do nakazania komukolwiek, by ujawnił stosowane praktyki.
Są to jednak zagadnienia wymagające kompleksowych, nie tylko praw-nych rozważań. Być może także upływu czasu. Umożliwi to zaobserwowanie tendencji w modelach biznesowych i zachowaniachch podmiotów, które by-łyby zainteresowane trenowaniem SI w omawianym celu. Rozwiązanie po-wyższych problemów nie jest możliwe w ramach niniejszego artykułu.
Bibliografi a
Barta J., Markiewicz R., Prawo autorskie, Wolters Kluwer, Warszawa 2016.
Briot J.-P., Hadjeres G., Pachet F.-D., Deep Learning Techniques for MusicGeneration – A Survey, ArXix 2019, hal-01660772v3, s. 169, https://hal.sorbonne-universite.fr/
hal-01660772v3/document [dostęp: 31.10.2019].
Dyrektywa Parlamentu Europejskiego i Rady (UE) 2019/790 z dnia 17 kwietnia 2019 r. w sprawie prawa autorskiego i praw pokrewnych na jednolitym rynku cyfro-wym oraz zmiany dyrektyw 96/9/WE i 2001/29/WE, Dz. Urz. UE z 17.5.2019 r., L 30/92.
Gienas K., Data mining jako problem prawa autorskiego, „Zeszyty Naukowe
Uniwersy-tetu Jagiellońskiego” 2017, z. 1.
Gliściński K., Komentarz do art. 50, [w:] Ustawa o prawie autorskim i prawach pokrew-nych. Komentarz, red. A. Michalak, C.H. Beck, Warszawa 2019.
Gliściński K., Wyodrębnianie się nowych pól eksploatacji i ich wpływ na obrót prawami do utworów, „Zeszyty Naukowe Uniwersytetu Jagiellońskiego” 2010, nr 3.
Ma’amari M., AI Generates Taylor Swift’s Song Lyrics, Towards Data Science, 28.09.2018,
https://towardsdatascience.com/ai-generates-taylor-swifts-song-lyrics-6fd92a-03ef7e [dostęp: 31.10.2019].
30 Na zagadnienia te zwracał uwagę prof. Ryszard Markiewicz podczas wykładu inaugurującego rok akademicki 2018/2019; zob. R. Markiewicz, Sztuczna inteligencja i własność intelektu-alna, [w:] Uniwersytet Jagielloński w Krakowie. Inauguracja roku akademickiego 2018/2019,
WUJ, Kraków 2019, s. 50. Tekst dostępny także online: https://www.uj.edu.pl/docu-ments/10172/140821974/SI_prof_Markiewicz.pdf/ [dostęp: 31.10.2019].
Trenowanie wybranych modeli sztucznej inteligencji a uprawnienia twórców 27 Machała W., ACTA 2 czy Nihil novi? Pierwsze refl eksje na temat dyrektywy Parlamentu
Europejskiego i Rady o prawie autorskim na jednolitym rynku cyfrowym, „Monitor
Prawniczy” 2019, nr 18.
Maggiore M., Artifi cial Intelligence, Computer Generated Works and Copyright, [w:] Non--Conventional Copyright: Do New and Atypical Works Deserve Protection?, red.
E. Bo-nadio, N. Lucchi, Edward Elgar Publishing, Chetlenham–Northampton 2018. Markiewicz R., Sztuczna inteligencja i własność intelektualna, [w:] Uniwersytet
Jagielloń-ski w Krakowie. Inauguracja roku akademickiego 2018/2019, WUJ, Kraków 2019.
Mirończuk M., Przegląd i klasyfi kacja zastosowań, metod oraz technik eksploracji danych,
„Studia i Materiały Informatyki Stosowanej” 2010, t. 2, nr 2.
Press G., A Very Short History Of Data Science, „Forbes” 28.5.2013, https://www.forbes.
com/sites/gilpress/2013/05/28/a-very-short-history-of-data-science/#73453e9355cf [dostęp: 31.10.2019].
Prokulski Ł, LSTM – przewidywanie tekstu (sieci neuronowe, część 4), Łukasz Prokulski.
Dane i Analizy, 5.03.2018, https://blog.prokulski.science/ [dostęp: 31.10.2019]. Ślęzak P., Pola eksploatacji utworów audiowizualnych, Branta, Bydgoszcz–Katowice
2006.
Targosz T., Komentarz do art. 50, [w:] Prawo autorskie i prawa pokrewne. Komentarz,
red. D. Flisak, Wolters Kluwer, Warszawa 2014.
Ustawa o prawie autorskim i prawach pokrewnych z dnia 4 lutego 1994 r. (tekst jedn. z 6.06.2019 r., Dz.U. 2019, poz. 1231).
Abstract
Authors’ Rights in the Context of Selected Models for AI Training
Artifi cial Intelligence (AI) is no longer about automatization of routine or repetitive tasks. Its application extends far beyond plain computational power and effi ciency. “AI-generated works” is one of the most popular research areas in this fi led. It raises the question about intelligent systems singularity and their true capability to perform human-like tasks. Th is article examines selected models for AI training which generate works mimicking the unique style of given artists provided their works serve as input data. Certain authors, perhaps especially writers, are reluctant to accept such forms of the exploitation of their works. Even though classifi cation of AI-generated works is a challenge, signifi cant legal issues arise at the earlier stage. Does text and data mining (TDM) infringe the copyright monopoly? Is using a collection of works of a single author as training data aff ects the lawfulness of a process? Are authors entitled, on the basis of their economic or moral rights, to oppose such practices?
Streszczenie
Trenowanie wybranych modeli sztucznej inteligencji a uprawnienia twórców
Sztuczna inteligencja (SI) przestała być wykorzystywana jedynie w celu automatyzacji powtarzalnych czynności lub przeprowadzania zadań wymagających skrupulatności ob-liczeniowej. Szczególną ciekawość budzi funkcjonowanie SI prowadzące do uzyskania efektów, które dotąd były osiągalne jedynie dla człowieka. Wśród nich można wyróżnić m.in. wytwory posiadające cechy utworu. Artykuł odnosi się do szczególnego rodzaju trenowania SI, odbywającego się wyłącznie na podstawie utworów jednego twórcy, ze szczególnym uwzględnieniem procesów prowadzących do powstania wytworu „w sty-lu” danego twórcy. Niektórzy autorzy, zwłaszcza pisarze, nieprzychylnie odnoszą się do tego typu praktyk. Wątpliwości natury prawnej powstają już na etapie trenowania modelu SI. Czy eksploracja tekstów i danych (TDM) stanowi wkroczenie w monopol prawno-autorski? Czy trenowanie SI twórczością wyłącznie jednego twórcy wpływa na legalność procesu? Czy powołując się na autorskie prawa majątkowe lub osobiste, moż-na zakazać wykorzystywania swojej twórczości do trenowania SI?
Studia Prawnicze. Rozprawy i Materiały 2019, nr 2 (25) • Studies in Law: Research Papers 2019, No. 2 (25) ISSN 1689-8052 • e-ISSN 2451-0807